「これ、何度も間違ってる。やっぱりAIなんか使えない」──トヨタで24年、品質管理を担当してきた私が、ChatGPTに初めて議事録の要約を任せた時の本音だ。

1回目、2回目、3回目と、何度やり直させても、私の頭に浮かぶ『完璧な要約』には及ばない。細かいニュアンスが違う。重要なポイントが抜けている。人間なら気づく『この場の空気感』がAIには感じられない。

品質管理の現場では、0.01mm単位の誤差が製品不良になる。24年間、その世界に身を置いてきた私にとって、AIの『不完全さ』は、本来なら受け入れがたいものだった。

しかし、その葛藤を乗り越えた先に、私は気づかされた。完璧さを手放した時に初めて、仕事は加速するという現実を。

今日この記事では、品質管理屋の不安と、その向こう側にある可能性を、ありのままに語る。同じ不安を抱いているあなたの『最初の一歩』を後押しできたら、それで十分だ。

品質管理の『完璧』が、AIの『不完全』を許せない理由

トヨタの品質管理部門は、徹底した改善文化の象徴だ。

私が入社した1990年代、製造現場には『ミスゼロ』という理想が常識として浸透していた。不良品を出せば、その原因を徹底的に追求し、2度と同じエラーを繰り返さないための対策を講じる。その積み重ねが、トヨタのブランド価値を支えていた。

私の頭は、その環境に24年、完全に最適化されていた。0.01mm単位の誤差、数値のズレ、報告書の一字の誤りまで──すべてが気になる。なぜなら、その小さな隙間が、やがて大きな問題へと発展することを、何度も見てきたからだ。

だから、去年の夏、ようやく重い腰を上げてAIを業務に導入した時の衝撃は、相当なものだった。

議事録を読み込ませて「これを1分で要約して」と指示した。出力されたテキストを読んだ瞬間、私の脳は拒否反応を示した。「重要なポイントが1つ、漏れている。あの発言のニュアンスが違う」。

完璧主義に育てられた脳は、AIの『98点の完成度』に、異常な違和感を感じるようになっていたのだ。

1回目の『やり直し』──私の品質基準を、AIに求めてしまった

議事録の要約は、その後も私の手で何度も修正された。

「ここの部分はもっと簡潔に」「このポイントを前に出して」「トーンを変えて」。修正指示は、私が品質管理で習い覚えた『改善要求書』そのものだった。

1回目のやり直しでは、AIの出力に対して、私は『トヨタの品質基準』をそのまま適用していた。つまり、人間の職人技と同じレベルの完璧さを、機械に要求していたのだ。

これは、本質的な勘違いだった。

トヨタの品質管理で磨かれた『完璧さ』は、同じ人間同士が、同じ基準で向き合う中で初めて成立する。一方、AIは『別の生き物』だ。学習モデルに基づいた推論を行う存在と、人間の経験知を同じ物差しで測ることは、最初から無理がある。

しかし、その時の私には、その違いが見えていなかった。

2回目の『やり直し』──プロンプト工学で完璧を目指した末路

2回目のやり直しでは、私は『プロンプト工学』に頼った。

AIへの指示文をより詳細に、より正確に書けば、出力の品質が上がるはず。そう考えたのだ。トヨタの現場で『仕様書の精度を上げれば、製造工程の誤りは減る』という原理と同じだと。

私は1時間かけて、AIへの指示文を編集した。「参加者は以下の通り」「重要な決定事項は必ず先頭に」「トーンはカジュアル、ただし専門用語は正確に」。まるで、製造業の『作業標準書』を作るように。

結果は、確かに『前回より良くなった』。しかし、完璧ではなかった。

そこで初めて、私は気づき始めた。どれだけプロンプトを精緻に作っても、AIの『確率的推論』の本質は変わらない。人間が『完璧さ』を求める限り、AIは常に『不完全』に見える。その溝は、埋まらないのではなく、埋める意味そのものが問われているのだ。

3回目の『やり直し』の前に、私は立ち止まった

3回目の指示を出す直前、私は文字を打つ手を止めた。

画面の前で、深呼吸をした。そして、自問した。「そもそも、この要約に『完璧さ』は必要なのか？」

その議事録の要約は、営業チームへの情報共有が目的だった。営業担当者が『大まかな流れ』『主な決定事項』『次のアクション』を理解できれば、それで十分だったのだ。

トヨタの品質管理では、『必要な精度』と『そこまでの工程コスト』のバランスを『コスト・オブ・クオリティ』と呼んで重視する。完璧さにこだわって20時間かけた成果と、80%の精度で2時間で完成した成果。どちらが『仕事』としての価値を持つか。

その時、ようやく私は、AIと共存するための『新しい基準』の必要性に気づいた。

『完璧でなくても回る仕組み』に気づいた瞬間

3回目は、やり直さなかった。

AIの出力を『ほぼそのまま』営業チームへ送った。不安はあった。しかし、その後、営業チームから「わかりやすい」というフィードバックが返ってきた。

彼らは、AIの『不完全さ』に気づいていなかった。なぜなら、彼らにとって必要な情報は、すべてそこに含まれていたからだ。

つまり、私の『完璧性の追求』は、実務的には『過剰品質』だったのだ。

トヨタの現場に戻すと、『過剰品質』は『ムダ』と呼ばれる。顧客が必要としない品質を、コストをかけて追求することは、経営効率を落とすだけだ。その原理は、AIの時代にも変わらない。むしろ、より顕著になる。

今のAI導入の局面では、『完璧なAI出力を待つ』という考え方は、現実には通用しない。AIは人間よりも『速く』『安く』『膨大な量を処理』できる。その代わり、『完璧さ』という部分で譲歩することになる。

その譲歩を受け入れた組織が、先へ進む。逆に、完璧さにこだわり続ける組織は、AIの恩恵を受けられないまま、人海戦術に頼り続けることになる。

トヨタ流『改善の思想』をAI時代に翻訳する

トヨタが誇る『改善（カイゼン）』は、完璧さを求める思想ではなく、『継続的な改善』の思想だ。つまり『今は完璧でなくても、小さな改善を積み重ねれば、やがて最適化される』という信念である。

その思想は、実はAIの使い方にも当てはまる。

1回目のAI出力は『60点』かもしれない。しかし、フィードバックを反映させ、プロンプトを改善し、使い方を最適化していけば、2ヶ月後には『85点』になり、半年後には『90点』に到達する。その過程で、人間が『完璧さ』の定義そのものを柔軟に変えていく。

完璧さを前提に導入するのではなく、『不完全なAIとの向き合い方』を、組織で設計する。その設計過程が、実は『新しい働き方』を生み出すのだ。

品質管理屋が、AIの時代に果たすべき役割

私のようなバックグラウンドを持つ人間は、AI時代に『検品係』ではなく『設計者』に転換する必要がある。

検品係とは：出力物のすべてをチェックし、不合格品を弾く役割。これをAIの時代に続けると、AIを導入した意味がない。人間がすべてを検査するなら、最初からAIを使わなければいい。

設計者とは：『AIをどこに、どういう粒度で導入するか』『その結果をどう組織に組み込むか』『改善のサイクルをどう回すか』を決める役割。これが、品質管理で培った『プロセス改善』のスキルを最も活かせる領域だ。

私は今、この転換の真っ最中にいる。議事録の要約はAIに任せ、自分は『その要約が営業活動にどう影響を与えたか』『次のAI導入候補はどこか』を考える側に回った。その結果、仕事の『密度』は上がり、『退屈さ』は減った。正直、ワクワクしている。

完璧主義は『品質管理屋』だけの問題ではない

私の不安と葛藤は、『品質管理業界固有』のものではないと気づいた。

医師、弁護士、プログラマー、デザイナー、翻訳者──あらゆる『プロフェッショナル』が、同じ不安を抱えている。「AIに仕事を任せて、品質が低下しないか」という懸念だ。

その懸念は、本来は正当だと思っている。確かに、AIは『完璧』ではない。しかし、その『不完全さ』と、適切な距離感で付き合える人間が、次の時代の『プロフェッショナル』になる。ぼく──いや、私はそう確信している。

完璧さに執着する人は、AIに仕事を奪われる。完璧さを『適度に手放す』人が、AIを使って自分の領域を拡張する。それが、今の現実だ。

『議事録の要約』から始める──小さな実験の提案

私が最初にAIを導入した『議事録の要約』は、実は『最適な実験台』だった。

なぜなら、失敗のコストが低いからだ。要約が完璧でなくても、営業チームが「あ、これ足りないな」と気づいて、自分で確認すれば済む。誰も傷つかない。品質に直結する製造工程ではなく、『情報共有』という周辺業務だからこそ、試行錯誤ができた。

もし、あなたが『AIに仕事を任せることが怖い』なら、同じアプローチで始めてみてほしい。『失敗のコストが最も低い業務』から、小さく実験を始める。一歩ずつ、それだけでいい。

たとえば：

営業リストのデータクリーニング、お客さまへのメール下書き、会議の議事録要約、報告書の初稿作成、ブレーンストーミングの記録整理──。これらは、人間が『最終チェック』することで、AIの出力を実用的な水準に高められる。

そして、その小さな成功体験の中で、あなたも『完璧さを手放す』心の準備ができてくる。

『品質』を『速度』『コスト』の文脈で測り直す

品質管理の世界では、『品質』は『仕様からの乖離度』で定義される。つまり、『目標値』と『実績値』の差が『品質』を決める。

AIの時代には、その『目標値』を『再定義』する必要がある。

従来：「議事録の要約は、100%のニュアンスを保つ。精度99点。作成時間8時間」

AI時代：「議事録の要約は、80%の精度で十分。作成時間15分。その時間を『次のアクション』の検討に使う」

どちらが、『品質』が高いのか？従来の品質基準では、前者だ。しかし、『ビジネス上の成果』という観点では、後者が圧倒的に優れている。

私は今、『品質の定義そのもの』を変えるプロジェクトに携わっている。それは、トヨタで24年習い覚えた『品質観』を、一度、すべて解体する作業でもある。その解体は、実は『自分の専門性の解体』でもあり、相当な心理的負担を伴う。

しかし、その先にある『新しい専門性』の可能性が、私を前へ進ませている。

チーム全体が『完璧さの手放し方』を学ぶ必要がある

AIの導入は、個人の課題ではなく、『チーム全体の思考転換』を伴う。

私が議事録の要約をAIに任せ始めた時、チーム内には『それで大丈夫なのか』という疑いの声もあった。品質管理出身の私が『完璧さを手放す』というのは、ある種の『背信行為』に見えたのだろう。

しかし、3ヶ月が経つ頃には、チームの誰もがAIの要約を『当たり前に使う』ようになっていた。そして、気づいた。『100点の要約を8時間待つ』より『75点の要約を3分で得て、その後の時間を思考に使う』ほうが、チーム全体の生産性が上がるという現実に。

この気づきは、トヨタの『改善文化』の本質とも通じている。『個別の完璧さ』より『全体最適化』を優先する思想。その思想が、実はAI時代に最も必要とされている。

この1年で変わった、私の『仕事』の定義

この1年で、私の仕事は劇的に変わった。

かつて、私は『完璧な成果物』を自分の手で作ることに、プロとしての誇りを感じていた。しかし今、私の誇りは『AIとチームが協働し、最短時間で最適な成果を生み出すためのシステムを設計すること』へと移った。

それは、確かに『品質管理屋』としての自分の価値の再定義だ。しかし同時に、自分の専門性がより大きな領域で活躍する可能性の扉を開いたようにも感じている。

AIに『完璧さ』を求めるのではなく、AIの『不完全さ』とどう向き合うか。その問い自体が、次世代のプロフェッショナルを定義する。私は、そう確信している。

まとめ ─ これだけ覚えておけばいい

品質管理24年のキャリアを持つ私が、AIの『不完全さ』とどう向き合ったか。その過程から、あなたが持ち帰れることは、次の3つだ。

• 完璧主義は、AI導入の最大の敵：トヨタで24年、『完璧さ』を求め続けた私でさえ、AIの『98点』に異常な違和感を感じた。しかし、『必要な精度』を再定義した時、その違和感は消えた。自分の『完璧性への執着』がどこから来ているのか、一度、冷静に問い直してみてほしい。
• 『失敗のコストが低い業務』から始める：議事録の要約は、失敗しても誰も傷つかない。そういう『安全な実験台』を見つけることが、AIへの心理的抵抗を下げる。あなたの職場で『最も失敗のコストが低い業務』は何か、まず特定してみてほしい。
• 『品質の定義』を『速度』『コスト』の文脈で測り直す：100点の成果を8時間かけて作るより、75点の成果を3分で作り、その浮いた時間を『次の思考』に使う方が、ビジネス上の成果は大きい。この『全体最適化』の視点が、AI時代に最も使えるスキルだと、私は思っている。

もし、あなたもAI導入に不安を感じているなら、この記事が『最初の一歩』になれば幸いだ。完璧さを手放す勇気を持つことが、新しい仕事の世界への入口になる。

出典・参考情報

• トヨタ自動車 品質管理部門（1990年代〜現在 実務経験）
• OpenAI ChatGPT（実務活用）
• 「カイゼン」概念：トヨタ生産方式の基本理論
• 「コスト・オブ・クオリティ」：品質管理における収益性評価の考え方

用語集

• 完璧主義：完璧さを追求する傾向。品質管理など高度な精度が求められる領域では有益だが、AI導入では『適度に手放す』ことが大切になる。
• プロンプト工学：AIに与える指示文（プロンプト）を精緻に設計し、出力の品質を高める手法。
• 過剰品質：顧客が要求している品質水準を超える品質を実現すること。コストのムダとみなされ、経営効率を落とす。
• カイゼン（改善）：トヨタの核となる経営思想。『小さな改善を継続する』ことで、長期的に最適化を目指すアプローチ。
• 全体最適化：個別の部分の完璧さより、組織全体の効率・成果を優先する考え方。